matlab 高斯与中值滤波

Matlab中提供了两种常用的图像滤波方式：高斯滤波和中值滤波。

高斯滤波是通过对图像中每个像素点周围的像素值进行加权平均来实现的，权值由高斯函数计算得出。这种滤波方式可以有效地降低图像中的噪声，同时保持图像中的边缘信息。

在Matlab中，可以使用“imgaussfilt”函数来实现高斯滤波。例如，以下代码可以对图像进行高斯滤波：

img = imread('image.jpg');
filt_img = imgaussfilt(img, 2); % 2为高斯滤波的标准差
imshow(filt_img);

中值滤波是通过将每个像素周围的像素值排序后取中值来实现的。这种方法可以有效地去除图像中的椒盐噪声等离群点，但不能保持图像中的边缘信息。

在Matlab中，可以使用“medfilt2”函数来实现中值滤波。例如，以下代码可以对图像进行中值滤波：

img = imread('image.jpg');
filt_img = medfilt2(img, [3,3]); % [3,3]为中值滤波的窗口大小
imshow(filt_img);

需要注意的是，滤波窗口的大小越大，滤波效果越明显，但也会导致图像细节的丢失。

相关问题

matlab实现图像中值滤波、高斯滤波、双边滤波、引导滤波以及方框滤波

### Matlab 实现多种图像滤波方法

#### 中值滤波
中值滤波是一种非线性滤波技术，特别适用于去除椒盐噪声和斑点噪声。该方法通过将每个像素点的灰度值替换为其邻域像素点的中值来实现边缘信息保护[^1]。

% 读取图像
I = imread('noisy_image.png');
% 应用中值滤波器，窗口大小为3x3
J = medfilt2(I, [3 3]);
imshow(J);
title('中值滤波后的图像')

#### 高斯滤波
高斯滤波是一种线性平滑滤波器，能够有效地消除高斯白噪声。其核心思想是在空间上对图像进行加权平均操作，权重由二维高斯分布决定[^4]。

sigma = 2; % 标准差
hsize = [5 5]; % 滤波器尺寸
G = fspecial('gaussian', hsize, sigma);
K = imfilter(I, G);
figure;
imshow(K);
title('高斯滤波后的图像')

也可以直接调用`imgaussfilt`函数：

L = imgaussfilt(I, sigma);
figure;
imshow(L);
title('高斯滤波后的图像 (使用 imgaussfilt)')

#### 双边滤波
双边滤波不仅考虑了空间距离的影响，也加入了颜色差异的因素，在保持边界的同时实现了降噪的目的。此过程涉及两个参数：空间标准差σs控制着临近区域的空间范围；色彩标准差σr决定了相似程度对于权重的影响[^3]。

output_image = bilateralFilter(I, sigma_s=2, sigma_r=0.05*255); % 注意这里假设输入图像是uint8类型
figure;
imshow(output_image);
title('双边滤波后的图像')

需要注意的是上述代码中的`bilateralFilter`并非MATLAB自带命令而是自定义函数名，请参照提供的链接获取完整的实现逻辑[^2]。

#### 引导滤波
引导滤波可以在保留细节特征的前提下减少噪音干扰。不同于传统的局部算子，它允许跨尺度的信息传递，并且具有较低的时间复杂度。下面给出了一种简单的实现方式。

P = double(I)/255; % 将图片转换成浮点型并归一化到[0,1]
Q = guidedfilter(P, P, 'NeighborhoodSize', 7, 'Epsilon', 0.01);
R = uint8(Q * 255); % 转回原格式
figure;
imshow(R);
title('引导滤波后的图像')

#### 方框滤波（均值滤波）
方框滤波即所谓的均值滤波，是对指定区域内所有像素求平均的过程。这种做法容易造成模糊效应，因此一般只适合对付低频随机噪声。

S = boxfilter(I, [3 3]); % 或者使用imboxfilt代替boxfilter
T = imfilter(I, ones(3)/9); % 手动创建核矩阵的方式
U = imboxfilt(I, [3 3]);

subplot(1,3,1), imshow(S), title('方框滤波后的图像(boxfilter)');
subplot(1,3,2), imshow(T), title('方框滤波后的图像(imfilter)');
subplot(1,3,3), imshow(U), title('方框滤波后的图像(imboxfilt)');

matlab图像去噪中值滤波

Matlab中可以使用medfilt2函数来进行中值滤波处理，该函数的语法格式如下：

B = medfilt2(A, [m n])

其中，A为需要进行中值滤波处理的原始图像，[m n]为中值滤波器的大小，通常为奇数，表示中心像素周围的像素个数。

下面是一个示例代码：

I = imread('lena.png');
J = imnoise(I,'salt & pepper',0.02);
K = medfilt2(J,[3 3]);
subplot(1,3,1),imshow(I),title('原始图像');
subplot(1,3,2),imshow(J),title('加噪声图像');
subplot(1,3,3),imshow(K),title('中值滤波处理图像');

其中，第一行代码读入了一张lena.png图像，第二行代码在图像上添加了0.02的椒盐噪声，第三行代码使用3x3的中值滤波器对图像进行中值滤波处理，最后使用subplot函数将原始图像、加噪声图像和中值滤波处理后的图像分别显示出来。

需要注意的是，中值滤波适用于去除椒盐噪声等随机噪声，而对于高斯噪声等其他类型的噪声效果并不好。